Online biometric authentication using hand vein patterns

Amioy Kumar, M. Hanmandlu, H. M. Gupta
2009 2009 IEEE Symposium on Computational Intelligence for Security and Defense Applications  
Özet: Damar tanıma sistemleri, insanları damar yapılarına göre ayırabilen bir biyometrik tanıma biçimidir. El-bilek damar deseninden kimlik tanıma da bu sistemlerden birisidir. Bu çalışmada 850 nm dalgaboyuna sahip kızılötesi ışık kaynağı kullanılarak kişilerden alınan el-bilek damar görüntüleri çeşitli görüntü işleme algoritmalarından geçirilerek segmente edilmiştir. Segmentasyonu sağlanan görüntülerden anahtar nokta çıkarımı işlemi için ölçekten bağımsız öznitelik dönüşümü (SURF) yöntemi
more » ... (SURF) yöntemi kullanılmıştır. SURF yöntemi ile elde edilen öznitelikler dönme, kamera açısı, ortamın ışık şiddeti vb. durumlara karşı değişmez olduğu için bu yöntem tercih edilmiştir. Kimlik tespiti işleminde ise çıkarılan anahtar noktalardan faydalanılarak öklid mesafesi yönteminden yararlanılmıştır. Veritabanındaki el-bilek damar örüntüleri kullanılarak yapılan eşleştirme işlemleri sonucu doğruluk oranı %97 olarak tespit edilmiştir. Abstract: Vein recognition systems are a form of biometric recognition that can discriminate people according to vascular structures. Authentication from the hand-wrist vein pattern is one of these systems. In this study, hand-wrist vein images taken from subjects via an infrared light source with 850 nm wavelength were passed through various image processing algorithms and segmented. Speeded up Robust Features (SURF) method was used for key point extraction from segmented images. Attributes obtained by SURF method include rotation, camera angle, light intensity, etc. This method is preferred because it is invariant to the situations. In the identification process, euclidean distance method was used by utilizing the extracted key points. Accuracy rate was found to be 97% as a result of verification procedures using hand-wrist vein patterns in the database.
doi:10.1109/cisda.2009.5356554 dblp:conf/cisda/KumarHG09 fatcat:t4if466orzbm5dmruz65jcpvsi